从第一原理和主动学习中的贝叶斯力场实现的微米级异质催化
摘要：使用FLARE贝叶斯力场，实现了量子力学精确的反应分子动力学（MD），在数十亿个原子的尺度上实现了H2/Pt（111）异质催化系统的模拟。这一成就实现了从第一原理中加速求解，利用贝叶斯主动学习实现了机器学习模型的高效和自主训练。然后，使用Kokkos性能可移植库，在GPUs上将模型部署到LAMMPS。贝叶斯力场提供了对每个原子环境预测的定量不确定性，对于检测训练集之外的大规模反应模拟中的构型具有重要意义。使用Summit超级计算机进行了H2/Pt（111）异质催化的真实应用MD的扩展基准测试，模拟达到了4556个GPU节点的0.5万亿个原子。
作者：Anders Johansson, Yu Xie, Cameron J. Owen, Jin Soo Lim, Lixin Sun, Jonathan Vandermause, Boris Kozinsky
论文ID：2204.12573
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-05-05